随着对品质要求的提升，相机的分辨率亦越来越高。为配合设备的运行速度，必须对高分辨率图像进行高速处理，因此在图像输入时间上做了大幅改善。即使增加连接的相机台数、图像分辨率高，也能借助高速图像输入大幅缩短单位生产时间。 利用新技术将使用频率高的搜索算法的处理速度提升至原先的9倍。此外，即使存在干扰光、重叠、反光、缺失等拍照条件下也能不降低速度地进行稳定搜索对象物。稳定性大幅提升。 使用高分辨率相机需要处理的数据量多，因此不仅是图像输入时间其数据传输时间也是瓶颈。使用FH控制器凭借图像传输总线的“高速化”和“多线化”，可实现实时传输高分辨率相机或多台相机的大容量图像。现今，可利用FH在不延长处理时间的前提下实现以往由于优先速度而舍弃的高精度测量。

高性能的机器往往需要专门的控制算法，以及与传感器和视觉系统的高级同步技术。使用固定功能的运动控制器和驱动器，这些要求可能会很困难或不可能实现，而且不可能总是使用定制的技术。NI SoftMotion则是一种替代方法。这是一个基于可配置的现成硬件，具有开放式、模块化特点的运动控制架构。此网络教程概述了如何使用NI SoftMotion实现专业、高性能的系统，比起传统方法更加有效。

智能机器基础网络教程系列视频。从一个视觉市场中著名的播放器—AQSENSE--了解3D技术的应用，还探索NI的3D机器视觉库AQSENSE的SAL3D函数库的LabVIEW版本，包括用于激光三角测量的峰值检测器功能；3D应用程序中CAD文件的使用等。

工程师和科学家们采用了3D视觉技术解决在食品生产、医疗成像、自主机器人以及制造业领域中具有挑战性的应用。在这一部分中，你可以向NI和行业中的技术领先者学习立体视觉、激光三角测量以及在NI LabVIEW软件中实现3D视觉应用的特殊函数库。通过真实的例子，你可以发现如何将这些不同的3D技术用于机器人引导、过程控制和计量。

机器视觉和高级运动控制是机器自动化系统的关键组成部分。你可以使用这两个组件来提高产量并实现高效的现代化机器。虽然最先进的运动控制系统能够实现高度集成的机电一体化系统的设计，但是通过机器视觉则可以实现非侵入性的检查和测量。通过紧密地集成自动化系统的运动和视觉组件，领先的机器制造商能够进一步提高他们的系统的区分度，并建立更智能的机器。你可以学习如何使用这些技术来实现诸多好处，如更高的精度和准确度、更快的材料处理、以及更容易适应新产品和新工艺。此网络教程提供了视觉和运动集成方法的概述、面临的挑战以及主要优点。

如何能够很容易地更改一个生产系统，以制造不同的产品或者满足一个客户的特定指标，是现代制造机器领域的一个大课题。使用机器人作为灵活的操作装置是机器制造商通常所采用的策略。在此网络教程中，你可以了解在智能机器应用中使用机器人的优势。你会发现用于将机器人系统集成到机器控制器架构中的工具，你还可以体验如何使用图形化设计方法来开发复杂的机器人应用程序。你还将学习如何使用NI LabVIEW系统设计软件和ImagingLab 机器人开发库来开发高级的机器人应用程序。该应用程序集成了机器视觉、测量、运动控制和人机界面(HMI)任务，这样你就可以提高机器的灵活性和性能。